The science of tumor-infiltrating lymphocytes (TIL): perspectives from the SITC Surgery Committee
Notice bibliographique
Résumé
Immunity to solid tumors is associated with the hallmarks of cancer-associated inflammation and the ability of immune mechanisms to limit tumor progression. Application of expanded tumor-infiltrating lymphocyte adoptive T cell therapy (TIL ACT) in clinical trials is now practiced at many sites around the world. Prior to immune checkpoint blockade (ICB), an approximate 50% objective response rate was consistently observed across multiple institutions for patients with melanoma. This now-approved strategy approaches 35% in recent studies from the USA and 49% with more highly selected patients in Europe. Here, we focus on early TIL studies in non-melanoma epithelial neoplasms. Increased understanding of cancer immunology has allowed changes in the TIL expansion process to include: (1) initial generation of TIL from fragments, (2) use of specialized large-scale culture vessels, (3) use of the rapid expansion protocol to enable 'young' TIL prosecution, and (4) treatment regimens employing non-myeloablative (NMA) chemotherapy followed by brief interleukin-2 administration. NMA leads to homeostatic proliferation of the transferred T cells, engraftment, profound neutropenia and lymphopenia, and improved clinical outcome. A key success of TIL ACT relies on the quality, specificity, and number of pre-existing TIL. This, in turn, is highly influenced by the suppressive tumor microenvironment. Thus, any means to alter 'cold tumor (non-T cell inflamed)' to 'hot tumor (T cell inflamed)' is theoretically desirable to improve both the quality and quantity of TIL obtained before harvest. Combinations of other immunotherapies such as application of ICB, co-stimulatory molecule agonist antibodies, autophagy inhibition, and dendritic cell support strategies could provide additional- improvements in TIL therapy and enable harnessing of the adaptive immune response to enhance the clinical outcome of TIL-ACT patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,010 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».